用标记松弛方法检测闪光图像边缘

描述了边缘检测的标记松驰法。在该方法的基础上探索出一条用于检测高能闪光图像边缘的新路子。整个处理过程分为两步：第一,采用离散正交多项式曲面拟合技术探测边缘位置;第二,运用松驰标定网突出有意义的边缘结构和压缩噪声边缘。同时给出了运用此方法探测高能闪光图像边缘的结果。     

双层介质超声合成孔径空心轴检测技术

针对高速列车重要部件之一的空心轴内部斜裂纹和垂直裂纹难以检测的问题,本文研究了一种双层介质下超声合成孔径空心轴缺陷检测技术。通过费马原理和波束序列合成技术建立了双层介质下相控阵单元超声发射和接收的数值模型,并进行了实验验证,实现了对内部缺陷进行精确定量检测。其结果与直接耦合情况相对比,发现该算法还能有效抑制伪影现象并显著提高信噪比,更具有优越性。     

基于多尺度排列熵与双核极限学习机的滚动轴承故障诊断方法

针对极限学习机隐含层节点数需人为设定,分类的准确性与稳定性较差,核极限学习机(K-ELM)对核函数选取要求较高,单一核函数难以对非线性样本充分学习、泛化性仍有不足等缺点,提出一种基于多尺度排列熵(MPE)和非线性加权组合的双核极限学习机(DK-ELM)的滚动轴承故障诊断方法并证明了其可行性与优越性。首先,计算不同故障状态轴承信号的多尺度排列熵,获取一系列无量纲特征;然后,利用双核函数计算其高维特征向量集并输入DK-ELM中建立轴承信号状态分类模型,对不同状态的轴承信号进行分类。实验结果证明,核函数的引入可以有效提高ELM分类性能,DK-ELM的分类模型比支持向量机(SVM)、ELM以及各单核极限学习机具有更高的分类精度,而且对训练样本数量较少的情况有更好的分类效果。